发电设备的故障诊断及其发展

上海电机学院学报

JO U RN A L O F SH A NG H AI DI AN JI U N IV ERSIT Y

Vol.10No.3 Sep.2007

收稿日期:2007 05 24

基金项目:上海市教委科研项目(05V Z01)

作者简介:黄 昀(1984-),女,专业方向:工业过程的故障诊断;在读硕士研究生。

文章编号 1671 2730(2007)03 0174 06

发电设备的故障诊断及其发展

黄 昀

1,2

, 徐余法

1

(1.上海电机学院电气学院,上海200240; 2.华东理工大学自动化研究所,上海200237)

摘 要:分析国内外发电设备故障诊断技术的产生发展,阐述了人工神经网络、模糊集理论等智能方法的发展及在电力系统故障诊断领域中的应用,这些方法为电力系统的故障诊断开辟了新的有效途径。

关键词:发电设备;故障诊断;预防性维修 中图分类号:T M 623.7 文献标识码:A

Fault Diagnosis of Generating Equipm ent and its Development

H UA N G Yun 1,2, X U Yu f a 1

(1.School of Electric,Shang hai Dianji University,Shanghai 200240,China; 2.Research Institute

of Automatio n,East China Univer sity of Science and T echno logy,Shang hai 200237,China) Abstract:T his paper analyzes the fault diag nosis made at hom e and abroad.Artifical neur al net w ork,fuzzy sets theory and their applicatio ns in fault diag no sis of pow er sy stem are presented in this paper,These methods provide new and effectiv e approaches for fault diag no sis of pow er system. Key words:gener ating equipm ent;fault diagnosis;preventive maintenance

随着现代工业和科学技术的迅速发展,发电设备的单机容量越来越大,且日趋高速化、自动化和智能化,对电力工业也提出了越来越高的要求:保护环境、提高效率、降低成本等。高速发展的电力行业正面临着多重挑战。国外,在美国和加拿大2003年8月14日发生了大面积停电事故后,2003年夏季,西欧地区也相继发生了若干次大面积停电事故:8月28日,英国伦敦和英格兰东部部分地区停电,2/3的地铁陷入了瘫痪,25万人被困地铁;9月23日,瑞典和丹麦的大面积停电,波及将近200万用户;9月28

日,意大利发生大面积停电造成550万人停电18h 。

2003年,美国、加拿大和西欧的一系列大面积的停电事故引起了社会对电力安全的关注

[1]1-2

。而在

中国,仅就2004年前三季度就有21个电网出现过拉闸限电的情况,其中供需形势较为严峻的华东电网最高用电负荷和发售电量分别增长了11%和21%。这说明我国电力供应仍然不足,电力企业必须保证机组安全运行,并在整个生产周期中保证机组运行的可靠性和安全性。

这就要求将安全生产排在第一位,实现不间断

1 发电设备故障诊断技术的产生和发展

1.1 国外产生与发展的背景

故障诊断技术在20世纪60年代后期首先在美国出现。由于航天、核能、军事装备要求有很高的安全性和可靠性,故需要进行早期的异常检测。1967年4月18日,由美国宇航局(NASA)创导,在美国海军的研究室(ON R)主持下,成立了美国机械故障预防小组(MFPG),这是世界上最早的从事故障诊断技术研究的组织机构,开始了机械故障诊断技术的开发和研究,并在故障机理研究、故障监测、故障诊断和故障预测等方面取得许多成果[3]3。其中SPICE公司用于军用机械轴与轴承的诊断系统、IE DECO公司的润滑油分析诊断系统、DE公司的内燃机车故障诊断系统、DELTE西屋公司的汽车及发电机组的智能化故障诊断专家系统等,都是在国际上很有特色的故障诊断系统。英国等欧洲其他国家及日本也随继在20世纪70年代开展了这项工作,并在并压锅炉、压力容器、核发电站、核反应堆等方面取得了许多研究成果。

美国从事电站故障诊断系统工作的主要公司有:西屋(WH EC)、IRD、Bently和BEI公司。西屋公司从1976年开始电站在线计算机的诊断工作, 1980年投入了一个小型的电机诊断系统,1981年进行电站的人工智能专家故障诊断系统的研究,1984年应用于现场,后来又发展成大型电站在线监测诊断系统(AID),并建立了沃伦多故障运行中心(DOC),通过DOC中心,可以看到分布在全美20多个电厂的数据信息(其中有2个核电站)。Bently 公司在转子动力学方面,对旋转机械的故障机理的研究比较透彻,在振动检测方面有比较深入研究;该公司在故障诊断方面起步虽晚,但开发的旋转机械故障诊断系统ADB3在我国电站领域的应用很广,很受用户的欢迎。IRD公司在故障预防性维修技术方面处于国际领先地位,近年来实现了Mpulse联网机械状态监测系统,Pmpow er旋转机械诊断系统[4]272-273。

在欧洲,也有许多国际著名的诊断公司:瑞士的ABB公司于1971年由BBC公司引入第一个计算机辅助数据采集系统(CADA),目前正在大力发展以计算机为终端核心的 人机联系(M MC)振动观察系统,并由诊断软件精确诊断机器故障;1978年,法国电气研究与发展部研制了在线振动监测系统,近年又发展了以监测与诊断辅助站的PSAD系统,用于大型电站机组与反应堆冷却泵的监测与诊断。丹麦的B&K公司在20世纪90年代推出了新一代状态监测与故障诊断系统!!!B&K3450型COM PASS系统,德国的申克也生产用于设备诊断的分析仪器及软件系统[4]272-273。

1.2 国内产生与发展的背景

我国工业企业的设备诊断技术从1983年起步,初期主要应用于石油、冶金、及电力等行业,进入20世纪90年代后,迅速渗透到国民经济的各个主要行业。现在全国从事与电站设备故障诊断系统相关的单位有数十家,主要是高校、研究所、制造厂、电厂等。尽管在国内故障诊断技术起步较晚,但已经慢慢发展和成熟起来。上海发电设备成套设计研究所在国家 六五、 七五、 八五期间从事旋转机械状态监测和诊断技术的研究,获机电部二等奖,研究装置在电厂得到了较好的应用,同时还从事应用于火电和核电的扭转振动状态监测诊断装置研究,并获得了一项国家专利。大型汽轮发电机组的在线监测和故障诊断技术作为国家 七五、 八五重大科技攻关项目,在 九五期间仍然受到支持,其意义是显而易见的。哈尔滨工业大学振动工程中心自1983年以来与兄弟单位一起,连续承担了国家 六五、 七五、 八五重点攻关项目中有关大型旋转机械故障诊断技术和装置的研究课题,开发出近20套多种类型的故障诊断装置,并应用于各种大型汽轮发电机组和石化企业压缩机组的状态监测和故障诊

175

2007年第3期黄 昀,等:发电设备的故障诊断及其发展

断,代表类型有M MM D 3;哈尔滨电工与仪表研究所和清华大学等研制了ZH X 10型200M W 汽轮发电机组状态监测、分析及故障诊断系统。实践证明,经过十几年的努力,国内开发的适合于火电、水电、核电的故障诊断系统在电力行业中发挥了一定的作用,也取得了一定的经济和社会效益[4]273,[5]12。

2 故障诊断技术的发展

2.1 设备使用的规律

所有的设备在整个服役期内,发生故障的次数和使用时间之间具有宏观上的分布规律:

(1)初级阶段。故障率较高,原因有:∀设备刚刚投运时,必然会暴露出在制造、安装和调试中遗留的问题;#相关人员对设备的操作和维护还需要有一个适应和熟悉的过程。

(2)稳定期。制造、安装和调试中遗留的问题已经得到较好的解决,故障率很低,一般是突发性故障。(3)劣化期。设备逐渐劣化,故障率开始上升

[3]2

。

2.2 故障诊断技术

自20世纪70年代以来故障诊断技术兴起,在各产业部门和技术领域发展很快,并取得了很大的成效,并且促使了设备维修的一次变革。其先后经历了以下3种方式:

(1)事后维修(Breakdow n M aintenance),等到设备无法工作时再进行维修。

(2)预防维修(Preventive M aintenance),预先制定计划,定期进行维修和更换。

(3)状态维修(Condition/Pr edictive Mainte nance),根据设备状态来确定维修工作的内容和时间,制定维修方案[6]105。

通过故障诊断,可以根据设备的状态制订相应的维修方案和采取相应的措施,以排除故障和隐患,使设备恢复原有的性能,重新进入低故障率的稳定期,来提高设备的使用效率。图1显示了故障诊断系统的分类和具体内容。

早期电力设备采取的是事后维修的方式,根据事故的严重程度,又可分为延缓性维修和根治性维修,这是一种完全被动的维修方式,对生产影响很

大,由于故障已经发生,后果及损失是非常严重

的[7]192。后来发展为对电力设备进行定期试验和维修,即预防性维修。

图1 故障诊断系统简图

Fig.1 System diagram of fault diagnosis

2.3 预防性维修

现在,定期预防性试验和维修已经在电力部门形成制度,对减少和防止事故的发生起到了一定的作用。预防性试验一般在每年雷雨季节前的春检时进行,将预防性试验的结果与∃电力设备预防性试验规程%的标准进行比较,如果有超标,就安排维修计划对设备进行停电检修。这种方法在我国沿用了40多年,在防止设备事故的发生、保证供电安全可靠性等方面起了很好的作用,但预防性维修大多是 离线 (Off line)进行的,尚有许多不完善的地方:

(1)需要停电进行试验,但是不少重要的电力设备,轻易不能停止运行。从经济角度看,停电检修会造成很大的直接或间接经济损失。

(2)停电后,由于它们的试验条件不同于设备的运行条件,多数项目是在低压下检查,很有可能发现不了绝缘缺陷和潜在的故障。

(3)由于是周期性的定期试验和检查,而不是连续的实时监测,设备仍有可能在设备检修间隔期内发生故障。

(4)即使设备的运行状态良好,由于是按计划进行定期的试验和检查,会造成人力物力的浪费,甚至可能因为拆卸组装过多反而造成对设备的损坏,即过度维修。2.4 状态维修

考虑到由于原有预防性维修的局限性,为降低停电和维修费用,在电力系统中正在兴起以状态监测(通常是在线监测,On line Mo nitoring)和故障诊断为基础的状态维修。具体内容是对运行中的电气设备的绝缘状况进行连续的在线监测,即时获得能反映绝缘状态变化的信息,在进行分析处理后,对设备的绝缘状况作出诊断,并根据诊断的结论安排必

176

上 海 电 机 学 院 学 报

2007年第3期

在线监测和状态维修所带来的经济效益是十分显著的。根据资料报道,国外采用故障诊断技术后,设备维修费用平均降低15%~20%,美国对故障诊断技术的投入占其生产成本的7.2%,日本为5.6%,德国为9.4%。例如,根据美国某发电厂统计,运用状态维修体系后,每年可获利125万美元。日本资料介绍,监测和诊断技术的应用,使得每年维修的费用减少25%~50%,故障停机的时间则可以减少75%。以一家1000M W的火电或核电组的电厂为例,应用监测和诊断技术使设备的可利用率提高1%,则每年可以增收电费400万美元[7]192-195。英国对2000个企业进行调查,得出结论:采用故障诊断技术后,每年节约维修费用3亿英镑,而故障诊断系统的成本是0.5亿英镑,收益为投入的6倍。在国际计量技术联合会(International M easure m ent Confederatio n,IMEKO)第三届国际会议上曾经报道了美国Pekrul发电厂实施故障诊断的经济效益情况分析[3][4]271-272,具体见表1。

表1 美国Pekrul发电厂实施故障诊断的经济效益分析Tab.1 Economic benefit analysis of f ault diagnosis practised by American Pekrul Power Plant

电厂情况装机容量:1000M W,电费:0.015美元/(kW∋h),产值:1亿美元∋y-1

事故损失按可靠性分析,事故停机14次∋y-1,停厂损失15万美元∋d-1

诊断结果能查出50%的事故,其中50%由诊断系统查处,内含虚警20%

恢复时间3d/每次事故

诊断效益(节约费用)/(万美元∋y-1)B=14(0.5(0.5(3(15( (1-0.2)=126

投入经费/万美元投资:20;年监测费:1.5

诊断成本A=20万美元/10y(折旧)+ 1.5万美元/y=3.5万美元/y

诊断经济效益系数/

(万美元∋y-1)

C=B/A=36

注:A!诊断成本,即故障诊断系统每年需要投入的费用;B!诊断效益,即采用故障诊断后系统故障减少,每年节约的费用;C!诊断经济效益系数 电力设备诊断最重要的意义在于改革设备的维修制度,期望通过实施状态监测和诊断,预报设备的故障,逐步将传统的定期维修制度改变成为有目的的状态维修和预知维修。状态维修不仅可以节约大量的维修费用,而且可以通过减少不必要的维修次数及时间,可相对增加设备的正常运行时间,从而提高了劳动生产率。

3 故障诊断的技术方法

3.1 基于传统故障诊断机理分析的方法

诊断的初期是利用各种物理和化学的原理与手段,通过伴随故障出现的各种物理和化学现象,直接检测故障。随着传感技术、动态测试技术和信号处理技术的发展,开始采用以数据处理为核心的故障诊断方式,利用故障所对应的征兆来诊断故障。20世纪70年代以后,对故障机理的研究发展非常迅速,目前,对汽轮发电机组的故障机理的研究主要是对故障规律、故障征兆和故障模型等方面的研究。故障机理研究是从振动信号中提取故障征兆,从而建立起故障征兆与故障集合之间的映射关系。由于大型旋转机械本身的复杂性和对故障机理不完全清楚,至今难以建立起普遍适用的准确数学模型。

3.2 基于信号处理的方法

当可以得到被控过程的输入输出信号,但很难建立被控对象的解析数学模型时,可采用基于信号处理的方法。基于信号处理的方法是一种传统的故障诊断技术,通常利用信号模型,如相关函数、频谱、自回归滑动平均、小波变换等,直接分析可测信号,提取方差、均值、幅值、相位、峭度、散度、频谱等特征值,从而识别和评价机械设备所处的状态,检测出故障,如统计推理近似诊断法、谱峰自动识别法、最大熵谱估计法。

3.3 基于解析模型的方法

基于解析模型的方法应用在线系统辨识技术实时地为系统建立数学模型,当系统中存在故障时,系统的输入输出关系就会改变,这些变化就会反映在数学模型中,因而通过观测系统数学模型的参数变化,便能判定系统是否存在故障。基于解析模型的故障诊断方法能够深入研究系统本质的动态性质并进行实时诊断,该方法可以分为状态估计法、等价空间法和参数估计法等。

177

2007年第3期黄 昀,等:发电设备的故障诊断及其发展3.3.1 状态估计法 其基本思想是利用观测器/滤波器对系统的状态进行估计并构成残差序列,然后采取一定的措施增强残差序列中所包含的故障信息,抑制模型误差等非故障信息,通过对残差序列的统计检验把故障从中检测出来。由于实际中很难获得系统的精确数学模型,故现阶段对于状态估计方法的研究主要集中于提高检测系统对于建模误差、扰动、噪声等未知输入的鲁棒性及系统对早期故障的灵敏度。

3.3.2 参数估计法 根据模型参数及相应的物理参数的变化量序列的统计特性来进行故障检测、分离及估计。同基于状态估计的方法相比,参数估计法更易于故障的定位与故障幅值的估计。由于参数估计法要求找出模型参数和物理参数之间的对应关系,因此常常将几种方法分别结合起来使用。

3.4 基于知识的方法

基于系统模型的故障诊断方法要求得到较为精确的系统模型,但在实际工程中往往难以建立系统的模型或模型不精确,这就了这种故障诊断方法在实际中的使用。基于知识的方法不需要对象的精确数学模型,近年来得到了迅速发展。常见的有专家系统法、模糊诊断法、人工神经网络法以及基于诊断对象的模型知识的诊断方法。

4 发电设备故障诊断技术的发展方向

从上述分析可知,故障诊断系统是非常必要的。而目前以知识处理为核心,信号处理、建模处理与知识处理相融合的智能诊断技术正迅速发展。故障诊断技术开始与其他的前沿科学相融合,一同发展。例如:故障诊断与模糊数学、小波分析、分析几何等前沿数学的结合;故障诊断与人工神经网络、专家系统等人工智能技术的结合,以及故障诊断与信息技术的融合等。下面介绍其中一些故障诊断技术和前沿科学融合的原理[6]105-107。

4.1 模糊诊断的原理

电力设备故障诊断中存在着大量的不确定现象,表现为随机性和模糊性。随机性是由于试验的数据的分散性及他与故障的因果关系不确定等造成的,可以用统计的方法进行研究。模糊性是指故障的差异在某阶段存在 亦此亦彼的特性,是故障的一种客观属性。因此,需要找到一种能够合理表征电力设备故障诊断中模糊性的工具,可将模糊数学应用于故障诊断中,用数学公式把模糊不清的概念清晰化,从而对故障现象中的模糊性能够合理量化。模糊诊断技术在电力设备监测的具体应用中,不仅突破了传统的基于规则的绝缘监测评判方法,而且利用模糊诊断技术可以对多因子故障进行分类和模糊判别[1]201-210,[8]。在模糊集理论发展的初期,其在电力系统中的应用是十分有限的,这主要是因为电力系统的工程师首先考虑的是电力系统的可靠性,对模糊逻辑还持有怀疑态度。但随着这一理论的不断发展完善,在电力系统中的应用领域也越来越广泛,例如:静态稳定控制、暂态稳定预测、机组运行规划、负荷预测、系统故障定位和诊断、电气设备的故障诊断、负荷频率控制和预测、负荷建模、安全分析与控制等。在近些年的研究中,有人将模糊集理论引入绝缘诊断领域并取得了一定的成果。然而,在模糊集理论中,由于隶属度的获取,复杂系统的模糊模型的建立、辨识,语言规则的获取、遗忘、修改等理论和方法还不够完善,使该理论的应用受到了。从目前情况来看,将模糊集理论与人工智能中的专家系统、神经网络等相结合不失为解决这一问题的好方法。

4.2 人工神经网络

人工神经网络的研究源于脑神经学说,他是对生物神经系统的简单描述,基于一种特定的神经元模型,可以将很多个神经元按照不同的方案组成各种类型的人工神经网络,但他们有共同的特点:∀网络由一种简单的非线性处理单元即神经元构成; #网络中神经元的数量巨大,神经元间连接的广泛性可增加网络的功能;)网络的构成和运行都按照分布!!!并行的方式。∗网络具有学习能力和自适应性。因此,人工神经网络可用于模式识别、信号处理、自动控制、人工智能等。人工神经网络的主要模型有:多层前向神经网络;递归神经网络、自组织神经网络、H o pfield神经网络、模糊神经网络。上述模型在所取的研究途径、网络中神经元所取函数、网络的结构、运行方式、学习算法和应用上有所不同,可以根据应用的对象及目的,可选择不同的适合的人工神经网络模型[1]211-218。

由于神经网络具有较强的在线学习能力、非线性映射能力、联想记忆能力等特点,在其研究的早期阶段就已经被引入到电力系统中去。1991年7月

178上 海 电 机 学 院 学 报2007年第3期在美国召开了第一届神经网络在电力系统中应用的国际学术会议,使得神经网络在电力系统中的应用得到了世界范围的广泛关注。现在,人工神经网络在电力系统中的应用主要集中以下领域:故障检测和继电保护、运行监视和暂态稳定控制、警报处理和故障诊断、负荷建模和负荷管理、动态和静态安全分析、负荷预测、最优潮流计算、经济调度等。虽然神经网络在电力系统中的应用领域较广泛,但目前大多数尚处于实验阶段,离实际应用还有一定的距离。

4.3 小波分析

小波分析是一种崭新的时频分析方法,具有良好的时频局部化特性和对信号自适应、 变焦距多尺度分析能力,适合于对非平稳信号的处理。小波分析是Fourier变换的突破性进展,并发展了窗Fourier变换的局部化思想,它的窗宽随频率增高而缩小,符合高频信号的分辨率较高的要求。小波分析的主要特点之一是具有用多重分辨率来刻划信号局部特性的能力,因而很适合探测在正常信号中出现的瞬态反常现象,并展示其成分。目前,小波分析已经成功地应用于机械设备的振动信号分析中,在电气设备的故障信号分析中,小波分析也必将成为有力的工具。

4.4 专家系统

专家系统作为一种使用知识和推理的智能计算机程序系统,汇集被广泛共享的公开知识和人类专家的个人经验知识,能够解决具体的、专业范围内的难题。根据专家系统的特点,进行电力设备故障诊断可根据各种故障现象,及时、准确地判明故障的原因、类型和部位,甚至能够根据诊断的结果提出相应的处理措施,甚至还可以预测设备的使用年限或寿命。近十年来,故障诊断专家系统无论是在理论上还是在系统开发方面都取得了很大的进展,但目前大多数的研究成果还是停留在实验室水平上,真正投入使用的实用系统并不多,而且投入使用的专家系统又以咨询型专家系统居多。目前人们已经逐渐认识到了这种研究的偏差,开始转向实用的专家系统的研究。随着新的原理与方法和故障诊断专家系统的结合,如基于模糊数学、人工神经网络的专家诊断系统等技术的不断发展,可能会对专家诊断系统在电力设备诊断中的应用产生突破性进展。故障诊断专家系统可随时把专家请来,通过对设备运行过程与状态参数趋势分析及检修、试验的结果,无损伤试探结果,电气绝缘检查结果等的分析共同进行故障诊断,不仅根据实时状态给出有关故障的处理情况,而且通过追记查询所提供的各种统计分析功能为检修管理和检修决策提供[1]219-230,[9]。

电力设备的故障诊断技术是一项系统工程,需要从电力设备劣化的特征量开始研究,在确定特征量的基础上再确定信号监测传感器、信号传输方式、分析方式;最终再考虑故障诊断方法,过程相互联系,这是一个亟待开拓的领域。

参考文献:

[1] 成永红,陈 玉,陈小林,等.测控技术在电力设备在

线监测中的应用[M].北京:中国电力出版社,2006.

[2] Bae Y H,L ee S H,Kim H C,et al.A Real t ime

Intellig ent M ultiple F ault Diag nostic System[J].T he

Internatio nal Journal of Advanced M anufacturing

T echno lo gy,2006,29(5):590-597.

[3] 张建文.电气设备故障诊断技术[M].北京:中国水

利水电出版社,2005.

[4] 韩 璞,王东风,周黎辉,等.火电厂计算机监控与监

测[M].北京:中国水利水电出版社,2005:271-

339.

[5] 乔海涛,冯永新.大型汽轮发电机组故障诊断技术现

状与发展[J].广东电力,2003(2):9-13.

[6] 赵保全.对发电设备状态检修开展情况的分析与建

议[J].电力学报,2006,21(1):104-107.

[7] 叶鲁卿.水利发电过程控制理论应用及发展[M].武

汉:华中科技大学出版社,2002:192-195.

[8] 陈 浠,谢茂清,高琪瑞.基于模糊推理的电厂设备

通用型故障诊断系统研究[J].中国电力,2003,36

(5):69-72.

[9] 熊永辉,潘宏侠.故障诊断专家系统在水轮发电机组

中的应用[J].科技情报开发与经济,2006,16(2):

224-225.

179

2007年第3期黄 昀,等:发电设备的故障诊断及其发展